論文の概要: Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States

• arxiv url: http://arxiv.org/abs/2610.19342v2
• Date: Thu, 15 Oct 2026 17:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.003196
• Title: Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States
• Title（参考訳）: エージェントチームが境界を越えて失敗する理由 : エージェント・ツー・エージェント・システムと民間との失敗分類
• Abstract要約: エージェント・ツー・エージェント(A2A)のシナリオでは、各エージェントは独自の環境を持ち、他のエージェントが見ることができない情報と権限を持っている。 既存のマルチエージェントシステム障害研究では、1つのオーケストレータ、共有ワークスペース、または1つのプリンシパルが想定されている。 我々は、異なるエージェントハーネスとモデルで構築された2500以上のA2Aシステムについて研究する。
• 参考スコア（独自算出の注目度）: 96.00953129073133
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Agents are increasingly interacting with other agents that act for different principals (people or organizations on whose behalf they work), such as a buyer's personal agent negotiating with an enterprise's seller agent. In such agent-to-agent (A2A) scenarios, each agent has its own environment and holds information and authority that the other cannot see. Moreover, the interests of each agent may be aligned (cooperative), partly aligned (mixed-motive), or opposed (competitive). Existing multi-agent system failure studies assume one orchestrator, shared workspace, or single principal. We ask how A2A systems fail when these assumptions are removed. We study more than 2,500 recorded runs of A2A systems built from different agent harnesses and models, spanning 488 scenarios across eight families (legal, CRM, security, commerce, etc.). From these traces, we derive $A^2$-Failures, a taxonomy of 20 A2A failure modes in four categories: (i) discovery and delegation, (ii) grounding and record consistency, (iii) verification, and (iv) conduct and fidelity. Three findings hold across every harness, model, and scenario studied: (1) discovery and interaction are driven by the phrasing of the task rather than the availability of peer agents; (2) no agent verifies a peer's factual claim on its own initiative, so an A2A system inherits the reliability of its least reliable participant unless the protocol or mechanism performs the check; and (3) the aggregate outcome score credits the agent completing the task while staying blind to the coordination, verification, and conduct failures beneath it, so A2A systems must be evaluated per agent, against each agent's own principal. We release the run logs behind the taxonomy at https://huggingface.co/datasets/a2a-salesforce/a2-failures.
• Abstract（参考訳）: エージェントは、企業の売り手エージェントと交渉する買い手の個人エージェントなど、異なるプリンシパル(人や組織)のために行動する他のエージェントと、ますます交流している。 このようなエージェント・ツー・エージェント(A2A)のシナリオでは、各エージェントは独自の環境を持ち、他のエージェントが見ることができない情報と権限を持っている。 さらに、各エージェントの利害関係は、整列(協調)、部分的に整列(混合モチベーション)、あるいは反対(競争)される。 既存のマルチエージェントシステム障害研究では、1つのオーケストレータ、共有ワークスペース、または1つのプリンシパルが想定されている。 これらの仮定が削除された場合、A2Aシステムはどのように失敗するかを問う。 我々は、異なるエージェントハーネスとモデルで構築された2500以上のA2Aシステムを8つのファミリー(法、CRM、セキュリティ、コマースなど)にまたがる488のシナリオで調査した。 これらのトレースから、4つのカテゴリで20のA2A障害モードの分類である$A^2$-Failuresを導出する。 (i)発見及び委任 (ii)接地と記録の整合性 (三)検証、及び (四)行為と忠実さ。 1)発見と相互作用は、ピアエージェントの可用性ではなく、タスクのフレーズによって駆動される;(2)エージェントが自身のイニシアチブ上でピアの事実的主張を検証するので、A2Aシステムは、プロトコルやメカニズムがチェックを行なわない限り、最も信頼性の低いアクティビティの信頼性を継承する;(3)集計結果スコアは、エージェントが調整、検証、失敗を目の当たりにしながらタスクを完了させるので、A2Aシステムは各エージェントのプリンシパルに対して各エージェントに対して評価されなければならない。 私たちは、https://huggingface.co/datasets/a2a-salesforce/a2-failuresで、分類の背後にある実行ログをリリースします。

関連論文リスト

• Behind the Prompt: The Agent-User Problem in Information Retrieval [4.563318916484434]
  情報検索におけるユーザモデルは、観察された振る舞いが意図を明らかにするという基本的な仮定に依存している。 エージェントが取る任意のアクションに対して、隠された命令は同一の出力を生成し、個々のレベルで意図を識別できないようにする。 エージェントネイティブソーシャルプラットフォームからの大規模コーパスによるエージェントユーザ問題について検討する。
  論文  参考訳（メタデータ） (2026-03-04T01:42:14Z)
• Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
  数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。 モデル、足場、ベンチマークにまたがる3次元解析を行う。 私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
  論文  参考訳（メタデータ） (2025-10-13T22:22:28Z)
• Preventing Rogue Agents Improves Multi-Agent Collaboration [21.955058255432974]
  本稿では,アクション予測中にエージェントを監視し,将来エラーが発生する可能性がある場合に介入することを提案する。 WhoDunitEnv、コード生成タスク、そしてリソース持続可能性のためのGovSim環境の実験は、我々のアプローチがパフォーマンスを大幅に向上させることを示している。
  論文  参考訳（メタデータ） (2025-02-09T18:35:08Z)
• On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
  大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。 不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。 本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
  論文  参考訳（メタデータ） (2024-08-02T03:25:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。